ارزیابی و مقایسه روش های طبقه بندی نظارت شده جهت تهیه نقشه درجات شوری خاک با استفاده از تصاویر ماهواره ای سنتینل-2 امروزه متوجه محققین و کارشناسان در سطح دنیاست .
ما در این پست قصد داریم به شما ارزیابی و مقایسه روش های طبقه بندی نظارت شده جهت تهیه نقشه درجات شوری خاک با استفاده از تصاویر ماهواره ای سنتینل-2 را آموزش دهیم. www.gisland.org با ما در ارتباط باشید 09382252774دکتر سعید جَوی زاده
ارزیابی و مقایسه روش های طبقه بندی نظارت شده جهت تهیه نقشه درجات شوری خاک با استفاده از تصاویر ماهواره رو به گسترش است و امروزه از علم سنجش از دور در مطالعات شوری بسیار زیاد استفاده می شود.
شوری خاک یكی از عوامل گسترش بيابانزایی و تخریب منابع زیست محيطی در مناطق خشک و نيمه خشک محسوب میشود. با توجه به روند رو به گسترش شوریزایی در طی ساليان اخير و اهميت حفظ منابع طبيعی، تعيين گستره نواحی تحت تأثير این پدیده و شدت شوری در این مناطق از اهميت ویژه ای برخوردار است.
f1gis
استفاده از پتاسيل تصاویر ماهواره ای با توان تفكيک مكانی و طيفی بالا و به کارگيری تكنيکهای سنجش از دوری یكی از راه های مؤثر در تشخيص این پدیده و تعيين شدت شوری در نواحی آسيب دیده است. براین اساس پژوهش حاضر با نمونه برداری از خاک منطقه ای واقع در کوه سفيد استان قم که تحت تأثير شوری است، به تهيه نقشه سطوح مختلف شوری خاک با استفاده از تصاویر ماهواره سنتينل-2 پرداخته است.
در این راستا، شاخصهای متنوع شوری از تصاویر ماهواره ای استخراج شده و در فرآیند طبقه بندی تصویر به کالسهای شوری از قبيل خاک بدون شوری، با شوری کم، شوری متوسط، شوری بالا و خاک اشباع از شوری مورد استفاده قرار گرفتند. نتایج طبقه بندی صورت گرفته از 5 الگوریتم طبقه بندی نظارت شده شامل حداقل فاصله، ماهاالنوبيس، متوازی السطوح، حداکثر احتمال و ماشينبردارپشتيبان، بيانگر باالترین دقت به دست آمده از طبقه بندی کننده ماشين بردار پشتيبان با دقت کلی 218/92 درصد و ضریب کاپای 894/0 در تهيه نقشه ی کالس های شوری بود. ارزیابی نقشه های به دست آمده از کالسهای شوری همچنين نشاندهندهی شدت شوری باالتر نواحی شرقی کوهسفيد نسبت به دیگر مناطق بوده که ناشی از مجاورت بيشتر این نواحی نسبت به دریاچه نمک استان قم و کشيده شدن سطوح نمک به زمينهای اطراف میباشد.
فرمول یک مکانی
شوریزایی، تصاویر ماهواره ای چندطيفی ، شاخص های شوری ، طبقه بندی نظارت شده درجات شوری
لینک دسترسی به اصل مقاله :
http://www.sepehr.org/article_36608_9d819e4fe5e5d67dfadec8eeaf06c9b2.pdf
آموزش کاربردی GIS وRS
همراه با فیلم و کتاب
همراه با پروژه های کاربردی
مدرس:
دکتر سعید جوی زاده
تلفن ثبت نام:
09382252774
آدرس وب سایت:
https://gisland.org/
بخش پردازش تصاویر ماهواره ای همیشه یکی از جذاب ترین مراحلی است که در سنجش از دور مدنظر محققین و کاربران قرار می گیرد. اما در بین مراحل پردازش تصویر طبقه بندی تصاویر ماهواره ای از جایگاه ویژه ای برخوردار است، چرا که باعث ایجاد نقشه های موضوعی و یا نقشه های کاربری اراضی می شود.
طبقه بندی تصاویر ماهواره ای به ۲ گروه اصلی تقسیم بندی شدند.
روش طبقه بندی نظارت شده یا (Supervised)
روش طبقه بندی نظارت نشده یا (Unsupervised)
در بحث طبقه بندی نظارت نشده، کاربر و پژوهشگر چون هیچ آشنایی نسبت به منطقه مطالعاتی و شاید باندهای تصاویر ماهواره ای نداشته باشد، تمامی تصمیمات را به نرم افزار می سپارد و منتظر می ماند که نرم افزار نتیجه ای را ارائه کند. در این روش و الگوریتمهای مورد استفاده در این بحث، فقط می توان تعیین کرد که کل منطقه مطالعاتی و تصویر ماهواره ای انتخاب شده به چند گروه و (طبقه یا خوشه) دسته بندی شود.
اما در بحث طبقه بندی Supervised که طرفداران بیشتری هم دارد و نتایج قابل قبول تری هم ارائه می شود، کاربر قطعاً باید با منطقه آشنایی داشته باشد و باندهای تصویری هم که استفاده می کند، نسبت به آنها اطلاعات جامعی در اختیار داشته باشد. پس باید انتظار نتایج بهتری را هم داشت.
در بین روش های طبقه بندی نظارت شده در این بحث قصد داریم که نگاهی به روش طبقه بندی نظارت شده با الگوریتم ParallelePiped داشته باشیم.
الگوریتم ParallelePiped
این روش بعنوان الگوریتم جعبه ای شناخته می شود. معمولاً در فضای ویژگی ، برای خوشه بندی ها از حالتهای بیضی یا دایره ای استفاده می شود ، یعنی اگر در این دایره یا بیضی یاخته ای قرار گیرد متعلق به این خوشه و کلاس است. اما در این روش از حالت جعبه ای مربع یا مستطیل برای تعیین خوشه ها استفاده می گردد.
در چنین فرایندی یاخته ها احتمال اینکه در کلاس اشتباهی قرار گیرند بالاتر است، چون حالت همپوشانی بین جعبه ها ایجاد می شود. گاهی اوقات نیز یاخته ها در هیچ کلاسی قرار نمی گیرد و حالت Unclassified را به خود می گیرد.
نکات کلیدی این الگوریتم
برای این روش نیز می توان میزان تفکیک پذیری را تعیین کرد.
اگر مقادیر به عدد ۲ نزدیک تر باشد یعنی اینکه امکان جدا کردن طبقات نسبت به یکدیگر خیلی بیشتر است. یعنی با راحتی بیشتری می توان کاربری ها و کلاسها را جدا کرد.
اما هر چه از عدد ۲ فاصله گرفته شود میزان همگنی منطقه کاهش می یابد و امکان تفکیک پذیری عوارض و پدیده ها یا کلاسها سخت تر می شود و امکان بروز خطا بالاتر می رود.
برای نمونه ها می توانید از حالت Based Point هم استفاده کنید.
طبقه بندی نظارت شده با الگوریتم ParallelePiped
برای استفاده از این الگوریتم نمونه مثالی که ذکر شده، بر اساس تصاویر سنجنده لندست است. پیشنهاد می کنیم قبل از استفاده از هر یک از الگوریتمهای مرتبط با طبقه بندی حتماً فرایند فیوژن (کلیک کنید) را بر روی تصاویر خود اجرا کنید تا نتایج بهتر و قابل قبول تری بدست آورید.
خلاصه: روش‌های نظارت شده و نظارت نشده در ArcGIS
در نرم افزار Arc GIS طبقه بندی به هر دو روش نظارت شده و نظارت نشده امکان پذیر میباشد. در روش نظارت شده از الگوریتم بیشترین شباهت Maximum Likelihood استفاده میشود. این روش از میانگین، کوواریانس و احتمال برای طبقه بندی استفاده می‌کند. برای انجام روش نظارت نشده هم الگوریتم ISO Cluster وجود دارد که از خوشه بندی استفاده می‌کند و نیازی به برداشت نمونه ندارد بنابراین از این دو روش پرکاربرد می‌توان برای طبقه بندی‌ها استفاده کرد.
با ما در ارتباط باشید: 09382252774- مؤسسه چشم انداز- دکتر سعید جوی زاده
بدون دیدگاه